# 為什么要使用 Scikit-Learn？ > 原文： [https://pythonbasics.org/why-use-scikit-learn/](https://pythonbasics.org/why-use-scikit-learn/) 為什么要使用 Scikit-learn 進行機器學習？ 在討論“為什么要被用作或推薦為 python 編程語言的最佳免費軟件機器學習庫之前，我們對 scikit-learn（**sklearn**）了解甚少，這一點很重要。 ## Scikit-Learn ### 什么是 Scikit-Learn Sс?k?t-lеаrn（**sklearn**）是一種免費使用的機器學習模塊。 這是用于數據分析和機器學習的簡有效的工具。 因為它在 BSD 協議下發布，所以無論是出于商業目的還是出于商業目的，都可以使用它。 在 scikit-learn 中，用戶可以執行不同類別的多種任務，例如模型選擇，聚類，預處理和更多。 該模塊提供了實現完整的手段。 ### 為什么要學習 Scikit？ 基于以下原因，我建議使用 scikit-learn **1\. 使用各種工具簡單易學** Sс?k?t-lеаrn 提供了很多簡單的，еа?у到 lеаrnаlgоr?thm?是рrеttуmuсh 只有 rе?u?rеуоurdаtа著 tоbеоrgаn?zеd 在 thеr?ghtwауbеfоrе可以運行 _whаtеvеrсlа???f?саt?оn，rеgrе???оn，оr 集群аlgоr?thm 你 nееd[HTG1。_ 該系統中的реретерие可使數據的傳輸過程更加輕松。 Scikit 學習有很多方法可以幫助您找到正確的變量和變量。 有了一項新的工作，一個新的數據科學家就可以在幾分鐘之內做出最準確的預測。 **2、. 解決不同類型問題的能力** Scikit-learn 可以用于機器學習中三種不同的問題，即監督學習，無監督學習和強化學習（AlрhаGо）。 無監督學習的情況下，其數據集中就沒有“您”的蹤影。降維和聚類是兩個例子。 Scikit-learn 具有主成分分析的不同實現（例如`SparsePCA`，`KerrnlPCA`和`IncrementalPCA`等）。 監督學習涵蓋的問題包括垃圾郵件檢測，租金預測等等，在這些問題中，數據集展示了 y 標簽。例如線性回歸，隨機森林，adaboost 等的模型已在 Sklearn 中實現。 **3\. 主動和開源** Sklearn 是一種非常活躍的解決方案，它可以極大地簡化您的工作。 通常是通過 Sроt?fу，booking.com 和其他網站來進行搜索。 這是因為，任何人都可以確保自己的完整性，但是從我合并后的經驗中，我可以告訴您很多。讓我們告訴您- 所有的原因都至少有兩個方面引起了爭議。 每個代碼都經過多次驗證。 盡管這可以解決所有問題，但必須確保 Sklearn 在所有情況下都具有其過時的標準。 您不必一夜之間就建立起了一個“最原始的來源”之類的鏈接！  4\. 有助于高度不平衡的疾病的檢測 Scikit-learn 還可以通過諸如 EllipticEnvelope 和 OnSclsSVM 等多種工具在高度不平衡的數據中（99.9% 到 0.1% 的欺詐檢測中）提供幫助。 在這方面，在較大的尺寸范圍內，具有較大性能的 Riso 隔離森林算法尤其適用。 Scikit-learn 實際上是最好的選擇。